高密度场景下人群中组群的识别与分析
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15页 |
| 1.3 相关运动研究现状 | 第15-17页 |
| 1.3.1 组群识别研究现状 | 第15-16页 |
| 1.3.2 人群行为分析研究现状 | 第16-17页 |
| 1.4 论文研究内容 | 第17-18页 |
| 1.5 论文结构安排 | 第18-19页 |
| 2 基本理论与相关技术 | 第19-32页 |
| 2.1 人群状态模型 | 第19-20页 |
| 2.2 人群的特征表示 | 第20-25页 |
| 2.2.1 基于流的特征 | 第20-22页 |
| 2.2.2 局部时空特征 | 第22-23页 |
| 2.2.3 轨迹特征 | 第23-25页 |
| 2.3 相关机器学习技术 | 第25-28页 |
| 2.3.1 聚类 | 第25-27页 |
| 2.3.2 期望最大化算法 | 第27页 |
| 2.3.3 马尔科夫链 | 第27-28页 |
| 2.4 相关运动的相关邻居不变性 | 第28-31页 |
| 2.4.1 时空关系的不变性 | 第29-30页 |
| 2.4.2 速度关系的不变性 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于快速自动化聚类的组群识别方法 | 第32-44页 |
| 3.1 单帧快速自动化聚类算法 | 第33-37页 |
| 3.1.1 初始化参数 | 第33-34页 |
| 3.1.2 获得组群核 | 第34-37页 |
| 3.2 邻近集不变性多帧融合 | 第37-38页 |
| 3.3 实验结果分析 | 第38-43页 |
| 3.3.1 实验准备 | 第38页 |
| 3.3.2 实验参数设置 | 第38-39页 |
| 3.3.3 组群识别效果 | 第39-42页 |
| 3.3.4 组群的统计分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 组群中重要人物的识别 | 第44-53页 |
| 4.1 定义目标 | 第44-45页 |
| 4.2 数据准备 | 第45-46页 |
| 4.3 重要性评估及数据标注 | 第46-48页 |
| 4.3.1 行人重要性评估指标 | 第46-47页 |
| 4.3.2 数据标注 | 第47-48页 |
| 4.4 重要性预测模型 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-51页 |
| 4.5.1 对比基准 | 第49页 |
| 4.5.2 效果度量 | 第49页 |
| 4.5.3 实验结果 | 第49-51页 |
| 4.6 算法应用 | 第51-52页 |
| 4.7 本章小结 | 第52-53页 |
| 5 基于马尔科夫链的组群特征构建与分析 | 第53-64页 |
| 5.1 获取组群先验 | 第53-54页 |
| 5.2 组群特征的定量表示 | 第54-58页 |
| 5.2.1 聚集度 | 第54页 |
| 5.2.2 稳定度 | 第54-56页 |
| 5.2.3 均匀度 | 第56-57页 |
| 5.2.4 冲突度 | 第57-58页 |
| 5.3 组群特征的分析 | 第58-62页 |
| 5.3.1 组群特征之间的关系 | 第58-59页 |
| 5.3.2 组群特征的应用分析 | 第59-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
